冷门事实实测：DeepSeek V4.1 满分 33/33 完胜 MiniMax 的 16/33
teortaxesTex · x · 2026-10-20
网友 teortaxesTex 用一套冷门事实问答（超难条目的孪生改写版）对比 DeepSeek V4.1-Flash-1017 与 MiniMax M3.1-Flash：DeepSeek 拿到 33/33 满分，MiniMax 仅 16/33，且 DeepSeek 始终更快、token 用量通常少得多（例如一道歌剧史题 DeepSeek 用 818 tokens/205 tok/s，MiniMax 用 10.8K tokens/119 tok/s）。
- Sonnet 曾提议用「把名字换成描述或变体拼写」来惩罚 DeepSeek 的查表式优势，实测失败：换成描述后差距反而更大（100% vs 50%），说明 V4.1 的知识容量确实大得多。
- MiniMax 错误模式符合知识缺失：同一题在不同运行中编造不同人物（Hind/Cassini/John G. Adams）、日期与数字漂移；DeepSeek 各次运行结果完全一致。
- 作者还尝试给 Sonnet 喂 MiniMax 的思维链，触发了反蒸馏/前沿研究过滤，「lmao」。
- 结论：V4.1-Flash-1017 幻觉明显更少、知识强得多、也更快。
所属事件:冷知识问答实测 DeepSeek 满分完胜 MiniMax(2 条相关)→
「模型」频道最新
- Grok Bot 日活一个月近三倍增长，从 15.5 万冲至 45 万 — XFreeze · 2026-10-20
- 用户抱怨 Claude 用量额度消耗明显变快 — prasenx · 2026-10-20
- 多位用户反馈 Gemini 近期响应极慢,Flash 3.8 尤为明显 — cardrecommend03 · 2026-10-20
- 用户吐槽 ChatGPT 待办任务不断消失：做完一项其余全丢 — koltregaskes · 2026-10-20
- Mobileye 联创的新公司 doubleAI 称可将客户算力成本削减 67% — pstAsiatech · 2026-10-20
- 长期批评 Anthropic 的开发者：Claude 5.5 系列让我重回 Claude 阵营 — intellectronica · 2026-10-20